近日，学院高智教授团队在智能无人测绘系统领域取得系列成果。该团队多篇学术论文发表于机器人、自动化及工业应用领域的顶刊、顶会，包括IEEETransactions onCybernetics(IF 11.45)、IEEETransactions on Industrial Electronics (IF 8.24)、IEEETransactions onRobotics(IF 5.57)、IROS2020、ICRA2021、ICRA2022。在该方向的研究过程中，高智教授团队与香港中文大学、香港科技大学建立了深度科研合作。
在智能无人系统位姿估计与运动控制方面，团队在机器人领域顶级期刊IEEETransactions onRobotics发表长篇学术论文《Quadratic Pose Estimation Problems: Globally Optimal Solutions, Solvability/Observability Analysis and Uncertainty Description》。该文提出一种基于四元数的通用数学模型以全局最优的方式求解二次姿态估计问题（QPEPs），并对该方案的可解性、可观测性和最优不确定性进行了分析。该方法在解决PnP、手眼校准、点到平面配准等许多问题上准确有效，并有较高的鲁棒性和计算效率。
在基于智能无人系统的激光点云处理方面，团队在自动化领域顶级期刊IEEETransactions onCybernetics发表长篇学术论文《FG-Net: A Fast and Accurate Framework for Large-Scale LiDAR Point Cloud Understanding》。该文提出了一个用于大规模点云理解的通用深度学习框架，用可变形卷积来建模几何结构，用点注意聚类方法来挖掘点云之间的相关特征，有效节省了计算和内存消耗，可以实现对大规模点云的实时解译。
图1 团队提出的用于大规模点云理解的通用深度学习框架
在无外部信息源的自主无人系统定位方面，团队在工业应用领域顶级期刊IEEETransactions on Industrial Electronics发表长篇学术论文《Toward Autonomy of Micro Aerial Vehicles in Unknown and Global Positioning System Denied Environments》。该文提出了一种在无外部定位信息源条件下微型飞行器三维自主导航与避障方法框架，开发了视觉惯性里程计、三维建图和运动规划等多种模块化组件。该系统在实际四旋翼飞行器上成功运行，能够在三维复杂环境中导航并跟踪移动的参考点，表现出较强的鲁棒性。
图2 团队提出的微型飞行器(MAV)三维自主导航与避障系统框架
上述工作拥有良好的研究基础，前期成果已经发表于业内顶会，主要在三维激光点云处理方面，提出了一种基于特征关联挖掘和顾及几何建模的点云理解网络。将多任务、弱监督等策略应用在点云理解中，实现了基于少量标注样本的场景解译。在智能测绘系统方面，团队提出了一种适用于视频卫星的运动目标跟踪与定位方法，将SLAM技术与视频卫星结合，可对地表运动目标进行实时的跟踪与地理位置解算。
表1发表在业内顶会的相关前期成果
智能无人系统的感知、定位与协同控制，是高智教授团队重点开展的研究方向之一。在该方向的研究过程中，高智教授团队与香港中文大学、香港科技大学紧密合作，围绕前沿技术研究、高端人才培养等领域开展高水平、高质量的合作，双方团队每周举行学术讨论与会议，建立了稳定的人员定期互访机制。
据悉，该研究得到了湖北省自然科学基金杰出青年项目和武大-华为空间信息技术创新实验室项目的支持。
